L'innovazione industriale viene spesso raccontata attraverso i risultati raggiunti: nuovi prodotti, tecnologie rivoluzionarie, processi più efficienti.
Più raramente si parla degli ostacoli, degli errori e delle difficoltà che accompagnano ogni percorso di trasformazione.
Eppure, è proprio nella gestione di queste sfide che si misura la capacità di un'organizzazione di innovare davvero.
Le testimonianze di AIM2LAB, ASTREO e HIRO ROBOTICS mostrano come l'Open Innovation non sia semplicemente una collaborazione tra aziende, startup e centri di ricerca, ma un approccio che permette di accelerare l'innovazione riducendo rischi, tempi e barriere culturali.
La crescente complessità dei sistemi produttivi rende sempre più difficile innovare in modo isolato.
L'introduzione di tecnologie come Intelligenza Artificiale, Industrial IoT, robotica avanzata e analisi predittiva richiede competenze multidisciplinari che raramente si trovano all'interno di una singola organizzazione.
Open Innovation rappresenta un modello capace di mettere in connessione aziende manifatturiere, startup, università, competence center e centri di ricerca, creando ecosistemi in cui la conoscenza viene condivisa e valorizzata.
Ma collaborare non significa semplicemente adottare nuove tecnologie. Significa imparare a integrare culture diverse, velocità differenti e approcci spesso opposti all'innovazione. È qui che emergono sia le opportunità sia gli ostacoli più significativi.
Uno dei temi centrali riguarda l'applicazione dell'Intelligenza Artificiale alla pianificazione industriale.
Maurizio Gaviraghi, Founder di AIM2LAB, spiega come la piattaforma AI-Sorter sia stata progettata per supportare la pianificazione adattiva all'interno della Smart Factory.
L'idea nasce da una constatazione semplice: nelle fabbriche moderne un piano di produzione può diventare obsoleto nel giro di pochi minuti a causa di guasti, ritardi, variazioni di priorità o imprevisti operativi.
Per questo motivo, secondo AIM2LAB, non è più sufficiente cercare la pianificazione perfetta.
"La vera sfida non è trovare il piano perfetto, ma costruire un sistema capace di adattarsi in modo intelligente a ogni variazione."
AI-Sorter opera come un sistema decisionale che osserva continuamente lo stato della fabbrica, costruisce un modello digitale del processo produttivo e simula scenari alternativi prima di suggerire la decisione più efficace.
L'esperienza maturata nel progetto ha però evidenziato una lezione fondamentale per tutte le aziende che desiderano introdurre l'AI nei propri processi.
Come sottolinea Gaviraghi: "Se i dati descrivono il caos, l'AI impara il caos."
Prima di addestrare qualsiasi algoritmo, il team ha dedicato mesi all'analisi di oltre due milioni di eventi produttivi, applicando metodologie di ingegneria di processo e Six Sigma per distinguere le informazioni realmente significative dal rumore operativo.
La conclusione è chiara: l'Intelligenza Artificiale non sostituisce l'esperienza industriale, ma ne amplifica il valore.
L'errore più comune consiste nel considerare l'AI una soluzione tecnologica autonoma, quando in realtà la qualità dei risultati dipende dalla comprensione del processo che si intende migliorare.
Se AIM2LAB evidenzia il ruolo dei dati e della conoscenza di processo, ASTREO porta all'attenzione un'altra sfida cruciale: trasformare l'innovazione in risultati misurabili.
La startup opera nell'ambito dell'efficienza energetica industriale, sviluppando soluzioni IoT e sistemi di monitoraggio che consentono alle aziende manifatturiere di ridurre consumi energetici, costi operativi e impatto ambientale.
L'esperienza maturata sul campo ha evidenziato come uno degli ostacoli più frequenti all'innovazione non sia tecnologico, ma culturale.
Tra startup e grandi organizzazioni esiste spesso un vero e proprio "mind gap": differenze di linguaggio, priorità e aspettative che rischiano di rallentare o compromettere i progetti.
A questo si aggiunge un'altra criticità evidenziata da ASTREO: la distanza tra chi sviluppa la tecnologia e chi vive quotidianamente la realtà della linea produttiva.
Per questo motivo, l'azienda sottolinea l'importanza di partire dai problemi concreti degli operatori e non dalle potenzialità teoriche della tecnologia.
L'obiettivo non deve essere introdurre una nuova soluzione perché innovativa, ma risolvere un problema reale.
La collaborazione tra startup e grandi aziende rappresenta inoltre uno degli aspetti più interessanti del percorso di innovazione raccontato da ASTREO. Secondo Alberto Marri, il successo dell'Open Innovation nasce dall'incontro tra due elementi complementari: la velocità e la flessibilità della startup da un lato, l'affidabilità e la capacità di scalare le soluzioni della grande impresa dall'altro.
I risultati ottenuti dimostrano il valore di questo approccio: attraverso il monitoraggio energetico e l'analisi dei dati di impianto, alcune aziende manifatturiere sono riuscite a ridurre i consumi energetici dal 10% al 30% già nel primo anno di utilizzo, intervenendo in particolare sulla gestione degli stati di inattività, sull'ottimizzazione dei carichi e sul confronto tra macchine con caratteristiche analoghe.
Un esempio concreto di come l'innovazione possa evolvere quando startup e industria collaborano in modo aperto e pragmatico.
"Tenere monitorati i consumi delle singole macchine aiuta le aziende a tenere sotto controllo anche lo stato di salute dell'intero parco macchine. Il dato energetico diventa un vero e proprio indicatore vitale dell'efficienza e della salute del macchinario." — Alberto Marri, ASTREO
Riduzione dei consumi, maggiore efficienza, meno fermi macchina, miglioramento della sostenibilità: sono questi gli elementi che permettono di superare le resistenze al cambiamento.
Davide Labolani, CEO di HIRO ROBOTICS, porta al dibattito una prospettiva diversa ma complementare.
La startup sviluppa soluzioni di robotica avanzata e Intelligenza Artificiale applicate al settore del riciclo dei RAEE e dell'economia circolare. L'obiettivo è automatizzare attività complesse come il disassemblaggio di dispositivi elettronici e la classificazione di componenti ad alto valore.
Ma è proprio lavorando in contesti industriali reali che il team ha scoperto una delle verità più importanti sull'adozione dell'AI.
"Abbiamo sottovalutato quanto la realtà di un impianto fosse più sporca, letteralmente e statisticamente, di qualsiasi dataset costruibile in laboratorio."
Nei primi test gli algoritmi funzionavano perfettamente. Poi arrivavano le condizioni reali: polvere, vibrazioni, componenti danneggiati, riflessi, variabilità dei materiali e situazioni impreviste.
La lezione appresa è che nel mondo industriale l'eccezione non rappresenta un'anomalia, ma parte integrante del sistema.
Per questo motivo HIRO ROBOTICS ha sviluppato un approccio in cui l'Intelligenza Artificiale continua a imparare dagli imprevisti, trasformando ogni nuova situazione in una fonte di conoscenza.
Un altro elemento chiave riguarda il rapporto tra uomo e macchina.
Secondo Labolani, l'automazione totale è ancora lontana in molti contesti industriali complessi.
Per questo motivo l'azienda ha scelto un modello "human-in-the-loop", nel quale gli operatori mantengono un ruolo centrale nella supervisione e nella gestione delle situazioni non standard.
L'obiettivo non è sostituire le persone, ma valorizzarne le competenze liberandole dalle attività più ripetitive e pericolose.
Nonostante operino in settori differenti, AIM2LAB, ASTREO e HIRO ROBOTICS condividono alcuni insegnamenti fondamentali.
Il primo riguarda il ruolo dei dati.
L'AI non genera valore automaticamente. Per funzionare ha bisogno di dati affidabili, contestualizzati e realmente rappresentativi dei processi industriali.
Il secondo riguarda la centralità delle persone.
Le tecnologie più avanzate producono risultati solo quando vengono comprese, accettate e integrate all'interno dell'organizzazione.
Il terzo riguarda l'importanza della sperimentazione.
L'innovazione non nasce da progetti perfetti, ma dalla capacità di testare, apprendere dagli errori e migliorare continuamente.
Infine, emerge un messaggio particolarmente rilevante per il futuro del manufacturing: nessuna organizzazione può innovare da sola. Le sfide legate a sostenibilità, digitalizzazione, automazione e competitività richiedono ecosistemi aperti in cui competenze diverse collaborano verso obiettivi comuni.
L'Open Innovation non rappresenta solo un modello organizzativo. È un vero e proprio cambio di paradigma che consente alle imprese di trasformare conoscenze, dati ed esperienze in un patrimonio condiviso e continuamente arricchito.
Le testimonianze raccolte mostrano come la collaborazione tra startup, industria, università e centri di ricerca possa accelerare l'adozione di tecnologie emergenti e generare valore concreto.
Perché l'innovazione più efficace nasce dall'assenza di ostacoli e dalla capacità di superarli insieme.